کاربرد داده های تیکه نگاری صوتی در پیش بینی کوتاه مدت نرخ جریان رودخانه ها با استفاده از مدل ترکیبی الگوریتم دسته بندی گروهی داده ها
الگوریتم دسته بندی گروهی داده ها، پیش بینی کوتاه مدت، پیش بینی نرخ جریان، تیکه نگاری صوتی
مهندسی عمران امیرکبیر - Amirkabir Journal of Civil Engineering
1401/2022
چکیده
پیش بینی کوتاه مدت نرخ جریان رودخانه ها اهمیت فراوانی در مدیریت منابع آب و کنترل سیلاب دارد. یکی از مشکلاتی که محققین در این نوع از پیش بینی ها همواره با آن مواجه هستند ؛ نبود یک بانک داده ای دقیق و با تفکیک پذیری زمانی بالا می باشد. فناوری تیکه نگاری صوتی یکی از روش های داده برداری نوین است که علاوه بر دقت بالای داده های برداشت شده دارای تفکیک پذیری زمانی بالایی نیز است ؛ بنابراین با کاربرد داده های برداشت شده با استفاده از این فناوری به همراه یک مدل پیش بینی مناسب می توان به یک پیش بینی کوتاه مدت دقیق از نرخ جریان رودخانه ها دست یافت. در این تحقیق تأثیر کاربرد داده های برداشت شده توسط فناوری تیکه نگاری صوتی در پیش بینی کوتاه مدت نرخ جریان توسط مدل ترکیبی الگوریتم دسته بندی گروهی داده ها، بررسی شده و با داده های به دست آمده از روش دبی-اشل مقایسه شده است. به منظور جلوگیری از بیش برازش شدن مدل پیش بینی از معیار اعتبارسنجی کا-فولد استفاده شده است. نتایج این تحقیق نشان داد که کاربرد داده های تیکه نگاری صوتی باعث افزایش دقت پیش بینی کوتاه مدت می شود ؛ به طوری که ضریب نَش- ساتکلیف برای پیشبینی 1، 6، 12، 24، 48 و 72 ساعته دبی بر روی داده های برداشت شده با روش تیکه نگاری صوتی به ترتیب (0/98، 0/96، 0/94، 0/88، 0/73 و 0/54) به دست آمد. در حالی که این مقادیر برای داده های برداشت شده با روش دبی- اشل به ترتیب (0/97، 0/84، 0/61، 0/27، 0/12 و 0/11) محاسبه شد. از دلایل بالا بودن دقت پیش بینی انجام شده بر روی داده های تیکه نگاری صوتی نسبت به داده های دبی- اشل می توان به تفکیک پذیری زمانی بالا و دقت بیشتر داده های برداشت شده توسط تیکه نگاری صوتی نسبت به دبی- اشل اشاره کرد.

